L’intelligence artificielle générative, de plus en plus utilisée, engendre une forte consommation d’énergie, une hausse de la consommation d’eau, des émissions accrues de gaz à effet de serre (GES) et un épuisement des ressources minérales. L’impact environnemental de l’IA est difficile à mesurer, en raison du manque de transparence des fournisseurs et de la complexité de la chaîne de valeur des équipements. Un changement profond nécessiterait des politiques publiques volontaristes, mais les entreprises peuvent aussi inciter à la transparence des données chez leurs fournisseurs. Chaque requête sur ChatGPT sollicite un data center et consomme jusqu’à 4 600 fois plus d’énergie que les modèles traditionnels, selon une étude publiée en janvier 2025. Les Small Language Models consomment 186 fois moins d’énergie que les Large Language Models. Selon l’International Energy Agency, la demande d’électricité des data centers mondiaux devrait plus que doubler d’ici 2030 pour atteindre environ 945 térawattheures (TWh), soit un peu plus que la consommation annuelle d’électricité du Japon. Dans certaines villes, la consommation énergétique des serveurs a limité la disponibilité en eau pour les habitants lors de canicules. Les data centers utilisent un tiers de leur eau pour le refroidissement et les deux autres tiers pour l’électricité du réseau. L’entraînement des modèles d’IA nécessite des calculs intensifs, mobilisant beaucoup d’électricité et d’eau. La demande mondiale pour l’IA pourrait entraîner un prélèvement de 4,2 à 6,6 milliards de mètres cubes d’eau d’ici 2027, soit l’équivalent de la consommation annuelle de la moitié du Royaume-Uni. Des solutions émergent, comme le projet Itrium à Jouy-en-Josas, qui prévoit un refroidissement par immersion dans une huile synthétique, ne consommant pas d’eau, ne générant pas de bruit et n’émettant ni CO2 ni autres GES. Cependant, la création de data centers vertueux ne compense pas l’impact de 700 millions de personnes générant des images de fast fashion ou surconsommant les ressources. L’impact environnemental de l’IA inclut aussi l’empreinte carbone de la fabrication et de la fin de vie du matériel, ainsi que l’épuisement des ressources minérales rares. Google a vu ses émissions de GES augmenter de 48 % en cinq ans, et Microsoft de 30 % en un an. Le manque de données précises et de transparence rend difficile l’évaluation réelle de l’impact de l’IA. Des outils en ligne, comme EcoLogits Calculator, permettent d’estimer l’impact environnemental de certaines requêtes. Par exemple, une courte conversation avec un chatbot ChatGPT-4o consommerait 35,1 Wh d’électricité, générerait 21,4 g équivalent CO2 et utiliserait 359 kJ d’énergie. Si 1 % de la population mondiale avait une courte conversation avec un chatbot chaque jour pendant un an, cela équivaudrait à 3 535 vols Paris-New York en termes d’émissions de GES. Pour limiter l’impact, il est recommandé de concevoir des outils simples pour évaluer l’empreinte écologique de l’IA, d’adopter une approche critique sur son utilisation, de promouvoir l’optimisation des algorithmes et le recours à des modèles plus sobres. Il est aussi conseillé de standardiser les méthodes d’évaluation, d’instaurer un Return on Environment (RoE) pour évaluer les performances environnementales des projets d’IA, et d’exiger une transparence accrue des fournisseurs. Les entreprises peuvent réduire la taille des modèles d’IA pour diminuer la consommation d’énergie et doivent sensibiliser leurs collaborateurs à un usage responsable. Même si l’IA devient plus frugale grâce à des méthodes de refroidissement optimisées et à la réduction de la puissance de calcul, cela pourrait encourager une utilisation accrue, annulant les gains environnementaux. Il est donc crucial de s’interroger sur l’utilité réelle de l’IA avant de la déployer, en privilégiant les usages qui apportent une réelle valeur ajoutée et en réfléchissant à l’impact dès la conception des solutions. Cela permettrait de réduire les coûts pour la planète et pour les entreprises.